一种基于时间序列深度学习的电力参数预测方法

本发明提供了一种基于时间序列深度学习的电力参数预测方法，包括：获取日期时刻特征和历史披露数据、历史气象数据和历史电力参数值；采用特征选择工程，根据历史电力参数值和历史气象数据获得关键气象特征；采用随机森林算法，根据日期时刻特征和历史数据预测目标市场上目标时段的未披露数据；根据历史数据和日期时刻特征训练神经网络初始模型获得电力参数预测模型以获得目标时段电力参数预测值；采用统计学分别获得最大概率数值区间和数值均值并修正电力参数预测值获得电力参数修正值。该方法能提供更精确、可靠的目标时段电力参数值，有助于电力市场参与者更好地制定交易策略，还能帮助电力运营商优化调度计划，保障电力系统的安全稳定运行。